Corey Spencer, Giám đốc điều hành và Phó chủ tịch cấp cao của AI tại UKG – Loạt bài phỏng vấn

Corey Spencer là Phó chủ tịch cấp cao và Tổng giám đốc Quản lý sản phẩm cho AI và Nền tảng tại UKG. Ông lãnh đạo chiến lược sản phẩm và đổi mới trên các sáng kiến AI, nền tảng và thông minh lực lượng lao động của UKG, giúp các tổ chức chuyển đổi dữ liệu lực lượng lao động thành thông tin hành động có thể định hình kết quả kinh doanh tích cực. Với hơn 20 năm kinh nghiệm, Spencer là một nhà lãnh đạo tư tưởng được kính trọng về tương lai của AI, thông minh lực lượng lao động và ứng dụng của AI vào công việc tuyến đầu.

UKG là một nhà cung cấp toàn cầu về quản lý vốn nhân sự, tiền lương và quản lý lực lượng lao động, được thiết kế để giúp các tổ chức quản lý và hỗ trợ nhân viên của họ một cách hiệu quả hơn. Nền tảng của công ty kết hợp nguồn nhân lực, tiền lương, lập lịch, thời gian và tham dự, tuân thủ, phân tích và thông tin lực lượng lao động được hỗ trợ bởi AI, phục vụ các doanh nghiệp từ các công ty nhỏ đến các doanh nghiệp toàn cầu lớn. Với 50 năm kinh nghiệm trong ngành, UKG hỗ trợ hơn 80.000 tổ chức trên 150 quốc gia, với hàng chục triệu người sử dụng giải pháp của họ mỗi ngày.

Bạn đã dành hơn hai thập kỷ giúp các doanh nghiệp hiểu rõ dữ liệu khách hàng, phân tích và lực lượng lao động trên các công ty như Adobe (ADBE ), Alteryx và UKG. Điều gì đã thuyết phục bạn rằng công nhân tuyến đầu, chứ không phải công nhân tri thức, đại diện cho một trong những cơ hội quan trọng và bị bỏ qua nhất cho AI ngày nay?

Điều đã thuyết phục tôi là đơn giản: tuyến đầu là nơi nền kinh tế thực sự hoạt động.

Chúng tôi đã chứng kiến sự tiến bộ đáng kể trong việc áp dụng AI vào công việc tri thức. Nhưng phần lớn và năng động nhất của lực lượng lao động thường bị phục vụ kém. Công nhân tuyến đầu đại diện cho đa số công nhân trên toàn cầu – lên đến 80% theo một số ước tính – và họ cung cấp năng lượng cho các ngành công nghiệp mà chúng ta tất cả phụ thuộc vào mỗi ngày: chăm sóc sức khỏe, bán lẻ, sản xuất, hậu cần, khách sạn và dịch vụ công cộng.

Đối với nhiều công ty, tuyến đầu cũng là một trong những phần lớn nhất của P&L. Đó là nơi chi phí lao động, trải nghiệm khách hàng, tuân thủ, an toàn, chất lượng dịch vụ và gắn kết của nhân viên tất cả đều hội tụ. Và yet, nó vẫn là một trong những phần kém tối ưu hóa nhất của doanh nghiệp.

Không phải vì công việc là đơn giản. Bởi vì nó vô cùng phức tạp.

Công việc tuyến đầu có thể được lên kế hoạch theo tuần hoặc tháng, nhưng nó thay đổi mỗi phút của mỗi ca. Một người gọi điện. Cầu tăng. Khối lượng bệnh nhân thay đổi. Một chuyến hàng bị chậm. Một quy tắc tuân thủ áp dụng khác nhau dựa trên vai trò, vị trí, chứng nhận hoặc giờ làm việc.

Các hệ thống doanh nghiệp truyền thống được xây dựng để ghi lại những gì đã xảy ra. Tuyến đầu cần công nghệ có thể giúp các tổ chức hành động trong khi quyết định vẫn còn quan trọng.

Đó là lý do tại sao AI lại quan trọng. AI có thể hiểu ngữ cảnh, ý định và ràng buộc, sau đó giúp điều phối hành động trên lịch, thời gian, tiền lương, nhân sự và hoạt động – với con người kiểm soát.

Đối với tôi, cơ hội là đóng khoảng cách giữa lập kế hoạch lực lượng lao động và thực hiện lực lượng lao động. Khi chúng ta làm điều đó, nhân viên sẽ có trải nghiệm tốt hơn, các nhà quản lý sẽ được hỗ trợ ở quy mô mà không một cá nhân nào có thể xử lý alone, và các doanh nghiệp có thể hoạt động với tốc độ, độ chính xác và niềm tin nhiều hơn.

Đây không chỉ là một câu chuyện về năng suất. Đây là một câu chuyện về thực hiện.

Công nhân tuyến đầu chiếm đa số lực lượng lao động toàn cầu, nhưng phần lớn sự bùng nổ AI đã tập trung vào các công cụ năng suất văn phòng. Tại sao bạn nghĩ rằng ngành công nghiệp đã đánh giá thấp sự phức tạp và tầm quan trọng của môi trường tuyến đầu trong thời gian dài như vậy?

Tôi nghĩ rằng ngành công nghiệp đã đánh giá thấp tuyến đầu vì nó dễ dàng xây dựng AI cho công việc đã được số hóa.

Công việc văn phòng xảy ra trong tài liệu, email, cuộc họp, lịch và công cụ cộng tác. Điều đó đã làm cho nó trở thành một làn sóng đầu tiên tự nhiên cho AI. Nhưng tuyến đầu là khác. Nó là vật lý, phân tán, cao cấp và thay đổi liên tục. Và yet, nó đại diện cho đến 80% lực lượng lao động toàn cầu – những người thường không ngồi ở bàn làm việc, nhưng những người giữ cho các doanh nghiệp, cộng đồng và nền kinh tế hoạt động mỗi ngày.

Sự phức tạp không chỉ là công việc bản thân. Đó là dữ liệu xung quanh công việc. Chúng tôi may mắn vì UKG đã luôn tập trung vào tuyến đầu, vì vậy chúng tôi đã có một lợi thế khởi đầu nhiều thập kỷ trong lĩnh vực này.

Dữ liệu lực lượng lao động tuyến đầu vô cùng lớn và ồn ào. Nó đến từ lịch, thời gian, giờ làm việc, quy tắc trả lương, chứng nhận, dự báo lao động, vắng mặt, tín hiệu nhu cầu, yêu cầu tuân thủ, quyết định của nhà quản lý, sở thích của nhân viên và thay đổi hoạt động xảy ra trên hàng nghìn địa điểm và ca làm việc. Những tín hiệu này luôn thay đổi và phụ thuộc sâu vào ngữ cảnh – vai trò, vị trí, kỹ năng, chính sách, quy định, nhu cầu và thời gian.

Điều đó đã làm cho môi trường tuyến đầu trở nên khó phân tích một cách có ý nghĩa. Bằng thời gian nhiều tổ chức có thể hiểu những gì đã xảy ra, thời điểm để ảnh hưởng đến kết quả đã qua.

Đó là lý do tại sao AI tuyến đầu phải khác với AI năng suất văn phòng. Nó không thể chỉ tóm tắt thông tin hoặc tạo nội dung. Nó phải hiểu ngữ cảnh hoạt động, giải thích tín hiệu lực lượng lao động ồn ào và giúp con người hành động trong thời gian thực.

Đối với UKG, đây là cơ hội cốt lõi của kinh doanh và giải pháp như UKG Workforce Intelligence Hub. Tuyến đầu không cần một hệ thống ghi lại. Nó cần một hệ thống hành động – một hệ thống giúp các tổ chức chuyển đổi dữ liệu lực lượng lao động thành quyết định tốt hơn, thực hiện nhanh hơn và kết quả đáng tin cậy hơn cho nhân viên, nhà quản lý và doanh nghiệp.

Trong nhiều năm, phần mềm doanh nghiệp được xây dựng xung quanh công việc dễ dàng số hóa: bàn làm việc, tài liệu, cuộc họp, quy trình làm việc và công việc tri thức. Nhưng công việc tuyến đầu là khác. Nó là vật lý, phân tán, quy định, thời gian nhạy cảm và đặc thù ngành.

Một nhân viên bán lẻ, một y tá, một kỹ thuật viên sản xuất, một công nhân kho và một nhà quản lý khách sạn đều là công nhân tuyến đầu, nhưng môi trường hoạt động xung quanh mỗi người trong số họ là hoàn toàn khác nhau. Các đội bán lẻ có thể cần điều chỉnh lao động dựa trên lưu lượng, khuyến mãi, thời tiết hoặc sự kiện địa phương. Các đội chăm sóc sức khỏe cần người đúng với chứng chỉ đúng trong đơn vị đúng khi nhu cầu bệnh nhân thay đổi trong suốt cả ngày. Các đội sản xuất cân bằng kỹ năng, an toàn, giờ làm thêm, lịch sản xuất và quy tắc lao động.

Đó là sự phức tạp thực sự. Công việc có thể được lên kế hoạch theo tuần hoặc tháng, nhưng nó thay đổi mỗi phút của mỗi ca. Một lịch trình trông đúng vào thứ Hai có thể sai vào thứ Tư. Một kế hoạch nhân sự hoạt động vào 8 giờ sáng có thể bị hỏng vào 12 giờ trưa.

Trước đây, phần lớn hệ thống chỉ có thể ghi lại sự việc sau khi đã xảy ra. Đội ngũ trực tiếp vận hành cần nhiều hơn báo cáo: họ cần hành động ngay tại thời điểm đó.

Đó là lý do AI trở thành một động lực thúc đẩy quan trọng. AI tác nhân có thể hiểu bối cảnh, ý định, các ràng buộc và quy tắc kinh doanh, rồi giúp quản lý và nhân viên hành động trong các lĩnh vực xếp lịch, chấm công, trả lương, nhân sự và vận hành.

Chúng tôi đã dành nhiều thập kỷ giải quyết những thách thức của đội ngũ trực tiếp vận hành. Điểm khác biệt hiện nay là AI cho phép chúng tôi tạo ra sự chuyển biến với tốc độ, độ chính xác và mức độ phù hợp với từng ngành cao hơn.

Cơ hội không nằm ở việc biến công việc trực tiếp vận hành thành công việc văn phòng. Đó là xây dựng công nghệ tôn trọng cách công việc thực sự diễn ra, giúp con người và doanh nghiệp đưa ra quyết định tốt hơn theo thời gian thực.

Xây dựng AI cho nhân viên bán lẻ, điều dưỡng, nhân viên kho hay nhân viên khách sạn rất khác với xây dựng trợ lý AI cho nhân viên văn phòng. Những khác biệt lớn nhất về kỹ thuật và vận hành giữa các môi trường này là gì?

Khác biệt lớn nhất là AI dành cho đội ngũ trực tiếp vận hành không thể chỉ nằm trong tài liệu, hộp thư hay cửa sổ trò chuyện. Nó phải hiện diện ngay trong luồng công việc.

Với nhân viên văn phòng, AI thường hỗ trợ tạo, tóm tắt, tìm kiếm hoặc phân tích thông tin. Với đội ngũ trực tiếp vận hành, AI phải hiểu điều đang diễn ra ngay lúc này: ai đang làm việc, ai đủ năng lực, ai có thể nhận việc, nhu cầu ra sao, quy tắc nào được áp dụng và hành động tiếp theo nên là gì. Đó là một bài toán kỹ thuật rất khác.

Vì thế, AI phải hiểu bối cảnh, đặc thù ngành và hướng tới hành động. Nó phải hiểu vai trò, chính sách, quy định lao động, tác động đến tiền lương, lịch làm việc, chứng chỉ và ưu tiên kinh doanh, đồng thời bảo đảm độ tin cậy, khả năng giải thích và sự giám sát của con người.

Khác biệt về vận hành cũng quan trọng không kém. Quản lý không có thời gian giải mã bảng điều khiển khi ca làm việc đang diễn ra. Nhân viên không muốn phải học cách sử dụng thêm một hệ thống nữa. AI phải được tích hợp sẵn, nhanh, trực quan và hữu ích ngay khi cần.

Đó là lý do AI cho đội ngũ trực tiếp vận hành không đơn thuần là một trợ lý làm việc. Nó là năng lực thông minh giúp tổ chức nhận biết, quyết định và hành động theo thời gian thực.

Ông từng nói về tầm quan trọng của dữ liệu nhân lực theo thời gian thực, bao gồm ca làm việc, xếp lịch, bảng lương và các tín hiệu về bố trí nhân sự. Vì sao khả năng thực thi theo thời gian thực đặc biệt quan trọng với các hệ thống AI dành cho đội ngũ trực tiếp vận hành?

Thách thức không phải là tổ chức có dữ liệu hay không. Phần lớn doanh nghiệp đang tạo ra nhiều dữ liệu nhân lực hơn bao giờ hết. Thách thức là chuyển những tín hiệu đó thành khuyến nghị, hướng dẫn và hành động kịp thời, khi quyết định vẫn còn có ý nghĩa.

Đó là lý do thực thi theo thời gian thực rất quan trọng. AI cần hiểu điều đang xảy ra, các ràng buộc liên quan và hành động tiếp theo tốt nhất. Có nên điều chỉnh lịch? Bố trí người cho ca còn trống? Cảnh báo quản lý? Ngăn ngừa vấn đề tuân thủ? Xử lý ngoại lệ tiền lương trước khi nó ảnh hưởng đến trải nghiệm của nhân viên?

Những quyết định này có vẻ nhỏ, nhưng trên hàng nghìn nhân viên, ca làm việc và địa điểm, các cải thiện nhỏ nhanh chóng cộng dồn. Bố trí nhân sự đầy đủ hơn, ít ngoại lệ hơn, quyết định lao động tốt hơn và phản ứng nhanh hơn của quản lý có thể tạo tác động đáng kể cho cả nhân viên lẫn doanh nghiệp.

Đây chính là mục đích của UKG Workforce Intelligence Hub: giúp tổ chức biến dữ liệu nhân lực thành quyết định tốt hơn và hành động nhanh hơn, đặc biệt ở các bộ phận trực tiếp vận hành.

Chúng tôi có góc nhìn đặc biệt phong phú trên cả nhân sự, tiền lương và quản lý lực lượng lao động, những lĩnh vực biến chiến lược nhân lực thành thực tế vận hành. Khi kết hợp dữ liệu đó với chuẩn đối sánh của ngành và các doanh nghiệp tương đồng, hiểu biết về chi phí lao động và AI có thể đưa ra những kết luận cùng hành động phù hợp nhất, lãnh đạo sẽ thấy rõ hơn điều đang xảy ra, tại sao nó quan trọng và cần hành động ở đâu.

Đối với lãnh đạo, đó mới là giá trị thực. Đây không phải thêm một bảng điều khiển để xem, mà là công cụ giúp quản lý lao động chính xác hơn, phát hiện rủi ro sớm hơn, đối sánh hiệu quả tốt hơn và ra quyết định tự tin hơn vào những thời điểm quan trọng.

Nhiều tổ chức đang tìm hiểu AI tác nhân nhưng vẫn lo ngại về quyền tự chủ, quản trị và độ tin cậy. Cần có những cơ chế kiểm soát nào trước khi doanh nghiệp cho phép tác nhân AI hành động trong hệ thống quản lý lực lượng lao động?

Trong vận hành nhân lực, tác nhân AI cần ranh giới rõ ràng vì các quyết định tác động sâu sắc đến con người. Chúng ảnh hưởng đến lịch làm việc, tiền lương, tuân thủ, mức độ bố trí nhân sự, sự mệt mỏi, công bằng và niềm tin của nhân viên. Vì thế, tác nhân không thể chỉ tối ưu tốc độ hay hiệu suất. Chúng phải hoạt động trong phạm vi chính sách, quyền hạn và mục đích đã định.

Những cơ chế kiểm soát quan trọng nhất là bối cảnh, kiểm soát và trách nhiệm giải trình.

Bối cảnh nghĩa là AI hiểu nhân viên, vai trò, địa điểm, quy định lao động, nhu cầu kinh doanh và tác động tiếp theo. Kiểm soát nghĩa là tác nhân chỉ hành động trong phạm vi quyền được xác định, với mức phê duyệt phù hợp của con người tùy theo rủi ro. Trách nhiệm giải trình nghĩa là mọi khuyến nghị hoặc hành động đều có thể giải thích, kiểm toán và đảo ngược.

Một số hành động có thể phù hợp để tác nhân tự động thực hiện, chẳng hạn thông báo ca còn trống cho nhân viên đủ điều kiện hoặc cảnh báo quản lý về nguy cơ làm thêm giờ. Những hành động có tác động lớn hơn, đặc biệt liên quan đến tiền lương, tuân thủ, kỷ luật hoặc thay đổi đáng kể lịch làm việc, cần được con người xem xét.

Mục tiêu không phải loại quản lý hay bộ phận nhân sự khỏi quy trình, mà là cung cấp hỗ trợ thông minh ở quy mô không một cá nhân nào có thể tự mình đảm đương.

AI tác nhân đáng tin cậy cần biến ý định thành hành động, nhưng luôn phải có tính minh bạch, cơ chế quản trị và sự tham gia của con người.

Mọi năng lực đều phải trải qua kiểm định mô hình nghiêm ngặt, rà soát bảo mật, đánh giá quyền riêng tư và giám sát liên tục trước khi được đưa vào vận hành thực tế.

UKG đã nói đến các ứng dụng AI có thể cân đối lại lịch làm việc, phát hiện bất thường trong bảng lương và tăng tốc tuyển dụng. Những trường hợp nào đang tạo ra giá trị vận hành đo lường được, và những trường hợp nào còn ở giai đoạn đầu?

Những ứng dụng tạo giá trị nhanh nhất là các ứng dụng giảm trở ngại trong những quyết định mà quản lý và đội ngũ vốn phải đưa ra hằng ngày.

Phát hiện bất thường trong bảng lương là ví dụ mà hầu như ai cũng có thể liên hệ. Trả lương là một trong những quy trình đòi hỏi mức độ tin cậy cao nhất trong mọi doanh nghiệp, và đặc biệt phức tạp đối với nhân viên trực tiếp vận hành hoặc được trả lương theo giờ. Một lần quên chấm công, vấn đề làm thêm giờ, ngoại lệ quy tắc tính lương hay vấn đề tuân thủ có thể tạo ra hàng giờ xử lý thủ công và ảnh hưởng trực tiếp đến niềm tin của nhân viên. AI có thể phát hiện vấn đề sớm hơn, giải thích điểm bất thường và hướng dẫn xử lý trước khi chốt bảng lương.

Tuy nhiên, chúng tôi còn rất hào hứng với những ví dụ tiên tiến hơn nhiều. Một trong số đó là tối ưu nhân lực và lịch làm việc theo thời gian thực. Đây là nơi UKG Dynamic Workforce Operations đóng vai trò quan trọng. Giá trị không chỉ nằm ở việc nhận ra cửa hàng, đơn vị, kho hay khách sạn đang thiếu người. Giá trị là hiểu điều gì đã thay đổi, các ràng buộc nào đang áp dụng và quản lý có thể làm gì ngay lúc đó, dù là bố trí người cho ca trống, tránh nguy cơ làm thêm giờ hay bảo đảm đủ nhân sự. Hiện nay, những quyết định này thường dựa vào trực giác và chậm hàng giờ. Giờ đây, quản lý có thể nhận khuyến nghị dựa trên dữ liệu trước cả khi con người nhận ra có vấn đề.

Ứng dụng thứ ba là hỗ trợ nhân viên ngay trong luồng công việc. Thông qua UKG Frontline Worker Network, dữ liệu nhân lực có thể kết nối nhân viên với hỗ trợ về tài chính, sức khỏe và nhu cầu thiết yếu hằng ngày đúng lúc họ cần nhất. Đây vẫn là lĩnh vực mới, nhưng quan trọng, bởi trải nghiệm nhân viên không thể chỉ nằm trong một cổng thông tin riêng mà không ai có thời gian sử dụng.

Tăng tốc tuyển dụng cũng đang trở nên rất thiết thực, đặc biệt trong môi trường tuyển nhiều nhân viên trực tiếp vận hành, nơi tốc độ rất quan trọng. UKG Rapid Hire, được xây dựng với AI làm nền tảng, đã rút ngắn thời gian từ khi ứng viên bày tỏ quan tâm đến khi được xếp lịch phỏng vấn, từ hàng tuần hoặc hàng ngày xuống hàng giờ, thậm chí vài phút trong một số trường hợp. Chúng tôi đã giảm công việc lặp lại trong tìm kiếm ứng viên, sàng lọc, xếp lịch, tiếp nhận nhân viên mới và chuẩn bị cho ngày làm việc đầu tiên khi tuyển dụng ở quy mô lớn.

Cơ hội thực sự không phải những tác vụ tự động hóa riêng lẻ. Đó là một nền tảng vận hành nhân lực có thể nhận biết thay đổi, đề xuất hành động tiếp theo tốt nhất và giúp tổ chức chuyển từ ý định sang hành động với cơ chế quản trị và sự giám sát phù hợp của con người.

Trong các ngành như y tế, sản xuất và logistics, những gián đoạn nhân lực nhỏ có thể lập tức kéo theo hệ quả. Ông thiết kế hệ thống AI phản ứng nhanh mà không tạo thêm rủi ro vận hành như thế nào?

Tốc độ rất quan trọng, nhưng trong môi trường trực tiếp vận hành, tốc độ thiếu kiểm soát chính là rủi ro.

Trong y tế, sản xuất, logistics và các lĩnh vực phức tạp khác, một gián đoạn nhân lực nhỏ có thể nhanh chóng lan rộng. Một người vắng mặt có thể ảnh hưởng đến việc bố trí người chăm sóc bệnh nhân. Thiếu một kỹ năng có thể làm chậm dây chuyền sản xuất. Bỏ sót một tín hiệu về bố trí nhân sự có thể làm chậm giao hàng hoặc phát sinh nhu cầu làm thêm giờ.

Vì vậy, mục tiêu không đơn thuần là xây dựng AI hoạt động nhanh hơn, mà là AI hoạt động nhanh hơn trong những ràng buộc phù hợp.

Điều đó bắt đầu từ bối cảnh. AI phải hiểu ai đủ điều kiện, quy tắc nào được áp dụng, cần bố trí nhân sự ở mức nào, có rủi ro tuân thủ gì và mỗi hành động có thể kéo theo tác động nào.

Nó cũng đòi hỏi quyền tự chủ dựa trên mức độ rủi ro. Một số hành động có thể được đề xuất hoặc thực hiện với rủi ro rất thấp, chẳng hạn cảnh báo quản lý, xác định người thay thế đủ điều kiện hoặc thông báo ca còn trống. Những hành động khác cần con người xem xét, đặc biệt khi ảnh hưởng đến tiền lương, tuân thủ, an toàn hoặc làm thay đổi đáng kể lịch làm việc.

Các hệ thống AI tốt nhất cho đội ngũ trực tiếp vận hành được thiết kế để có thể giải thích, kiểm toán và đảo ngược hành động. Quản lý cần biết vì sao có khuyến nghị. Nhân viên cần tin tưởng quy trình. Doanh nghiệp cần chắc chắn rằng AI cải thiện khả năng thực thi mà không tạo thêm rủi ro.

Với chúng tôi, nguyên tắc thiết kế rất đơn giản: AI cần giúp tổ chức nhận biết, quyết định và hành động theo thời gian thực, với con người, chính sách và cơ chế quản trị được tích hợp ngay từ đầu.

Người lao động ngày càng lo ngại AI có thể thay thế việc làm, đặc biệt trong các ngành trực tiếp vận hành. Ông cân bằng tự động hóa với việc trao quyền cho nhân viên như thế nào để tránh gây sợ hãi hay bất an khi áp dụng AI?

Tôi nghĩ chúng ta phải tách sự cường điệu về tự động hóa khỏi thực tế vận hành.

Trong thập kỷ qua, có rất nhiều ví dụ cho thấy thay thế công việc trực tiếp vận hành khó hơn nhiều so với dự kiến. Quầy tự thanh toán đem lại kết quả trái chiều. Cửa hàng thức ăn nhanh hoàn toàn tự động vẫn chủ yếu là thử nghiệm hơn là mô hình phổ biến. Với phần lớn mọi người, giao hàng bằng drone vẫn giống chuyện của tương lai.

Điều đó không phải vì công nghệ thiếu sức mạnh, mà vì phần lớn công việc trực tiếp vận hành vẫn mang tính con người sâu sắc.

Những nhân viên này xử lý tình huống ngoại lệ, đưa ra phán đoán, chăm sóc, bảo đảm an toàn, phục vụ, thể hiện sự đồng cảm và xây dựng niềm tin. Điều dưỡng không chỉ hoàn thành một tác vụ. Nhân viên bán lẻ không chỉ di chuyển hàng hóa. Nhân viên nhà hàng không chỉ thực hiện đơn đặt món. Những vai trò này nằm ở giao điểm giữa con người, vận hành, tuân thủ và trải nghiệm khách hàng.

AI có thể giảm trở ngại trong công việc: lịch làm việc khó hiểu, quên chấm công, thắc mắc về tiền lương, ca còn trống, yêu cầu tuân thủ phức tạp, thiếu nhân sự và công việc hành chính khiến quản lý không thể dành thời gian cho đội ngũ. Nó có thể giúp nhân viên nhận câu trả lời nhanh hơn, quản lý ra quyết định tốt hơn và tổ chức vận hành chính xác hơn.

Tương lai của AI dành cho đội ngũ trực tiếp vận hành không phải loại con người khỏi công việc, mà là cung cấp công cụ tốt hơn, hướng dẫn tốt hơn và nhiều hỗ trợ hơn vào những thời điểm quan trọng.

Ông mô tả AI là động lực đưa phần mềm doanh nghiệp từ hệ thống ghi nhận dữ liệu sang hệ thống hành động thông minh. Ông hình dung các nền tảng nhân lực sẽ phát triển ra sao trong năm năm tới, khi AI tác nhân được tích hợp sâu hơn vào hoạt động hằng ngày?

Thực ra, tôi muốn điều chỉnh cách đặt vấn đề một chút. Câu hỏi không phải các nền tảng nhân lực sẽ trông thế nào sau năm năm. Câu hỏi là tổ chức nào đang xây dựng nền tảng ngay hôm nay để dẫn đầu sau năm năm.

AI thay đổi quá nhanh để coi đây là cuộc chuyển đổi xa vời. Lợi thế sẽ thuộc về những tổ chức ngay lúc này chuyển từ các hệ thống rời rạc, bộ phần mềm cồng kềnh và giải pháp đơn lẻ sang một nền tảng vận hành nhân lực thực sự, kết nối nhân sự, tiền lương, chấm công, xếp lịch, phân tích thông minh về nhân lực và thực thi.

Đây là một ví dụ khác cho thấy tầm quan trọng của UKG Workforce Intelligence Hub. Khi AI được tích hợp sâu hơn vào vận hành nhân lực hằng ngày, năng lực thông minh không thể đứng bên lề dưới dạng báo cáo tĩnh. Nó phải trở thành một phần của cách công việc được hiểu, ưu tiên và xử lý. Tổ chức cần một lớp thông minh cho hoạt động nhân lực trực tiếp vận hành để đưa đúng nội dung vào đúng thời điểm.

Điều này quan trọng vì vận hành nhân lực bao gồm vô số lợi ích và tổn thất nhỏ. Một tín hiệu bố trí nhân sự bị bỏ sót, một ngoại lệ tiền lương, một vấn đề tuân thủ, một ca trống hay một quyết định chậm của quản lý có thể trông không đáng kể khi xét riêng. Nhưng trên hàng nghìn nhân viên, địa điểm và ca làm việc, những tình huống đó nhanh chóng cộng dồn.

AI tác nhân cho tổ chức cách thu hẹp khoảng cách đó. Nó có thể hiểu điều gì đang thay đổi, diễn giải bối cảnh kinh doanh, đề xuất hành động tiếp theo tốt nhất và giúp con người thực thi theo thời gian thực với cơ chế quản trị và giám sát phù hợp.

Trong năm năm tới, các tổ chức dẫn đầu sẽ không chỉ là những đơn vị thêm tính năng AI vào quy trình hiện có. Họ sẽ là những đơn vị suy nghĩ lại về quản lý nhân lực như một hệ thống hành động thông minh.

Với lãnh đạo, tính cấp thiết nằm ở đây: hoạt động trực tiếp vận hành đã diễn ra theo thời gian thực. Công nghệ phải theo kịp. Những tổ chức xây dựng năng lực đó ngay bây giờ sẽ có lợi thế đi trước đáng kể.

Nhìn về phía trước, ông cho rằng các doanh nghiệp chiến thắng trong AI doanh nghiệp sẽ là những đơn vị có mô hình tốt nhất, hay những đơn vị có dữ liệu vận hành và nhân lực sâu nhất, gắn trực tiếp với quy trình thực tế?

Những mô hình tốt nhất sẽ có ý nghĩa, nhưng tôi không tin chỉ riêng mô hình sẽ quyết định bên chiến thắng trong AI doanh nghiệp.

Trong doanh nghiệp, năng lực thông minh chỉ có giá trị khi hiểu bối cảnh công việc và giúp con người hành động đúng. Điều đó đặc biệt đúng trong vận hành nhân lực, nơi một khuyến nghị có thể phụ thuộc vào ai được xếp lịch, ai đủ năng lực, quy tắc nào áp dụng, nhu cầu ra sao, tác động đến tiền lương thế nào và có thể phát sinh rủi ro hay vấn đề tuân thủ nào về sau.

Một mô hình thiếu bối cảnh vận hành vẫn có thể tạo câu trả lời. Một nền tảng có dữ liệu nhân lực phù hợp, quy tắc kinh doanh, bối cảnh quy trình và cơ chế quản trị có thể giúp tạo ra kết quả thực tế.

Đó là lý do lớp thông minh mà chúng tôi xây dựng với Workforce Intelligence Hub rất quan trọng. AI chỉ được đặt bên trên một hệ thống sẽ có giá trị hạn chế. Năng lực thông minh cần được tích hợp vào luồng công việc, có thể diễn giải tín hiệu, hiểu ràng buộc vận hành và làm nổi bật những quyết định quan trọng nhất.

Tôi cho rằng đó là hướng thị trường đang đi. Khi các mô hình mạnh hơn và dễ tiếp cận hơn, khác biệt sẽ đến từ mức độ AI bám sát quy trình thực tế và khả năng chuyển từ hiểu biết sang hành động một cách an toàn.

Với đội ngũ trực tiếp vận hành, sự khác biệt đó mang tính quyết định. Công việc thay đổi liên tục và quyết định có hệ quả ngay lập tức đối với nhân viên, quản lý, khách hàng, bệnh nhân và doanh nghiệp.

Các công ty chiến thắng trong AI doanh nghiệp sẽ không chỉ có AI nói năng thông minh. Họ sẽ có AI hiểu cách công việc thực sự diễn ra và giúp tổ chức vận hành nhanh hơn, chính xác hơn, đáng tin cậy hơn và nhân văn hơn.

Cảm ơn cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập UKG.